时间序列预测问题转换为python中的监督学习问题，复习

单变量单步预测

shift（）的用法

向下、上移动一位

输入序列指定为5

单变量多步预测

另一种类型的预测问题是使用过去的值来预测未来的序列值，这可以被称为序列预测或多步预测。

多变量

具体例子：（本人实验）

ef parser(x):
    return datetime.strptime(x, '%m/%d/%Y %H:%M:%S.%f')

series = read_csv('TSLA.csv', header=0, parse_dates=[0], index_col=0, squeeze=True, date_parser=parser)
values = series.values

#因为当时TSLA是两个变量，已经2维，所以不需要reshape，就注释啦
# values = values.reshape(len(values), 1)  #重新构建数组形式：len（X）行，1列
# 将所有数据缩放到（0，1）之间
scaler = MinMaxScaler(feature_range=(0, 1))
scaled = scaler.fit_transform(values)
scaled = DataFrame(scaled)

reframed = series_to_supervised(scaled,2, 1)  # 过去2个值预测未来1个值，这里是两个变量哦
print("data:",reframed)  # var1(t-5)  var1(t-4)  var1(t-3)  var1(t-2)  var1(t-1)  || var1(t)  var1(t+1)